Skip navigation
Esprit + Machine
Livre

Esprit + Machine

Un modèle décisionnel pour optimiser et implémenter l’analytique

Wiley, 2016 more...

Acheter le livre


Classement éditorial

8

Caractéristiques

  • Innovant
  • Pratique
  • Révélateur

Commentaires

Marc Vollenweider, PDG d’Evaluserve, connaît son analytique, et de grandes parties de son guide proposent des conseils ciblés et applicables. La liste des illusions liées à l’analytique de la Partie I peut à elle seule faire économiser beaucoup d’argent aux entreprises, et la méthodologie qu’il explique dans la Partie III permet une mise en œuvre raisonnable et fonctionnelle de l’analytique. Toutefois, Marc Vollenweider est si expérimenté en analytique qu’il avance rapidement, et que son travail peut donc défier ceux qui sont nouveaux dans ce domaine. Hormis cet aspect, getAbstract recommande ses conseils à toute personne intéressée par l’analytique, le Big Data ou la gestion des connaissances.

Résumé

Big Data : emballement, illusions et réalité

Le Big Data et les domaines associés comme l’analytique souffrent d’un emballement. Les prétentions exagérées du Big Data dominent souvent les discussions utiles, ciblées et rationnelles sur la réalité du concept. La première illusion est que ‘le Big Data résout tout’. Ce n’est pas le cas. Beaucoup de gens se lancent dans le Big data sans les outils et les structures nécessaires. Certaines personnes pensent à tort qu’il faut un ‘lac de données et des outils’, soit une énorme collection de données. La promesse illusoire est que vous pouvez traiter les données à moindre coût si vous en collectez des quantités massives. Malheureusement, il est plus probable que vous en veniez à dupliquer des données, les laissiez mourir dans le lac et gériez mal l’aspect ‘propriété intellectuelle’. Les gens pensent aussi qu’un plus grand nombre de données ‘permet une meilleure compréhension’. Cela peut être vrai, si vous traitez les bonnes données de la bonne manière. Mais c’est faux encore plus souvent.

Une pyramide de données

Imaginez une pyramide d’utilisation de données à quatre niveaux. Le niveau 1 se compose des ‘donn...

À propos de l’auteur

Marc Vollenweider est cofondateur et PDG d’Evaluserve, une société spécialisée dans l’analyse et la gestion de données.


Plus d'infos sur ce thème

Compétences associées

提高工作效率
开发创新产品
发展思维能力
数字化转型
发现和理解数字技术,跟上新兴技术趋势,探索新数字技术的影响,了解数字技术在工作中的好处,识别商业中新
推动数字营销
创业
高管领导力
人力资源
创新
战略性领导
领导力
利用人工智能提升客户体验,增强客户参与度,利用人工智能工具个性化客户互动,使用人工智能自动分析客户反
利用人工智能进行营销,识别营销中的人工智能应用机会,评估用于营销洞察的人工智能工具,比较用于营销任务
利用人工智能进行产品开发,识别产品创作的人工智能工具,将人工智能整合到产品生命周期中,利用人工智能洞
在日常任务中利用人工智能,将人工智能工具整合到工作流程中,使用人工智能自动化重复性任务,利用人工智能
管理人员和人才,在变革期间有效处理团队动态,实施人才保留策略,高效解决复杂的劳动力挑战,与员工进行有
管理
市场营销
个人成长
增强数字素养
理解人工智能,向同事解释基本的人工智能概念,区分人工智能与传统软件解决方案,总结人工智能在现代工作场
理解消费者行为
职场技能
消费者行为趋势
了解人工智能的能力和局限性,认识人工智能的问题解决能力,识别人工智能可以优化的任务,评估人工智能在流
使用人工智能进行用户研究,利用人工智能工具分析用户反馈,通过人工智能策略收集客户洞察,识别用户模式通
管理知识资本
分析性思维
分析用户数据
发现和理解数据分析与大数据,识别关键数据分析方法,有效解读大数据洞察,利用数据分析进行决策,探索数据
发现人工智能的应用案例,识别商业中潜在的人工智能应用,探索人工智能在工作场所改进中的可能性,分析人工
利用人工智能提升领导力,将人工智能洞察融入领导决策,使用人工智能工具增强领导战略,通过人工智能分析推
精简工作流程
使用人工智能进行数据分析,实施人工智能以增强数据洞察,将人工智能集成到数据处理任务中,利用人工智能工
应用数据驱动营销
使用人工智能结合公司知识,将人工智能与内部数据源整合,为特定公司需求定制人工智能工具,使用专有公司信
管理组织知识
理解数据
人工智能转型,实施基于人工智能的流程优化,跨部门整合人工智能解决方案,评估企业采用人工智能的准备情况
应用设计思维
探索营销趋势
数据分析
利用人工智能进行管理,将人工智能工具整合到管理流程中,使用人工智能分析管理数据,利用人工智能增强团队
使用人工智能生成知识库,自动化知识库文章创建,利用人工智能简化数据整理,提升内部知识访问,利用人工智